Eleven Flash v2.5 é o modelo multilingue de conversão de texto em fala da ElevenLabs, concebido para aplicações em tempo real e interativas. Transforma uma resposta de texto fornecida em áudio falado e combina um perfil de resposta rápida com uma elocução natural e características vocais consistentes. O fabricante indica como utilizações típicas os agentes de voz, os chatbots, os jogos e as aplicações que exigem uma resposta imediata, bem como a conversão de texto em fala em maior escala.
O modelo suporta 32 idiomas: os 29 do conjunto Multilingual v2, mais húngaro, norueguês e vietnamita. O conjunto documentado inclui inglês, japonês, chinês, alemão, hindi, francês, coreano, português, italiano, espanhol, indonésio, neerlandês, turco, filipino, polaco, sueco, búlgaro, romeno, árabe, checo, grego, finlandês, croata, malaio, eslovaco, dinamarquês, tâmil, ucraniano e russo. Distingue-se, assim, do Flash v2, que só suporta inglês. Escolha o idioma do guião e uma voz regional adequada, em vez de presumir que o sotaque de uma voz inglesa serve para todas as localizações.
Um pedido suporta até 40 000 caracteres. O produtor apresenta durações aproximadas de áudio junto da tabela de caracteres, mas um limite de caracteres não corresponde a uma duração fixa de gravação. A velocidade de fala, o idioma, a pontuação e a elocução da voz alteram a duração. Para uma resposta em direto, use frases completas muito mais curtas; para uma gravação mais longa, divida o guião em secções com sentido e conserve o contexto junto dos pontos de divisão. Um limite elevado de caracteres ajuda a preparar o texto de origem, mas não torna uma resposta longa e ininterrupta fácil de ouvir.
A normalização de números é uma diferença importante neste modelo. A secção específica do Flash v2.5 indica que a normalização está desativada por predefinição no seu perfil de baixa latência e que números de telefone, datas ou valores monetários podem ser lidos de forma inesperada. Prepare a forma falada pretendida antes da síntese. Decida se um número representa uma quantidade, um código de referência ou algarismos a repetir individualmente. Numa data, escreva o mês e o dia como o público os deve ouvir; numa abreviatura, forneça a forma por extenso quando se pretende que seja pronunciada como palavras.
A pronúncia pode ser orientada através de grafias adaptadas ou de aliases de dicionário. O guia de dicionários do fabricante reserva as regras de fonemas para os modelos v4, v3 e Flash v2 explicitamente identificados e recomenda aliases para as restantes edições; por isso, não se deve atribuir ao Flash v2.5 o suporte de etiquetas de fonemas do Flash v2. Mantenha uma pronúncia preferida para nomes e termos recorrentes e verifique-a com a voz selecionada. Se incluir prosa emocional como instrução no texto normal, essa própria instrução pode ser pronunciada; prepare um guião final limpo para a gravação pretendida.
O fluxo de trabalho TTS partilhado suporta áudio em streaming e geração de fala completa. A família de formatos inclui MP3, PCM não comprimido de 16 bits, μ-law e A-law para telefonia, e Opus. Escolha o formato de acordo com o destino de reprodução e mantenha o texto gerado disponível junto do áudio. Os controlos de voz da ElevenLabs podem influenciar a consistência e a velocidade, enquanto a redação e a pontuação do guião fornecem grande parte do ritmo pretendido. Estas são opções do fluxo de trabalho do produtor e não permitem presumir que todos os controlos estejam disponíveis numa aplicação específica. O guia do produto suporta explicitamente pausas SSML no Flash v2.5, por exemplo <break time="1.5s" />, com pausas até três segundos. O uso excessivo de etiquetas de pausa pode afetar a velocidade ou introduzir artefactos. O controlo de velocidade partilhado varia entre 0.7 e 1.2; 1.0 mantém a velocidade inalterada.
Para um assistente, prepare um resultado claro e um próximo passo numa frase de tom conversacional. Uma formulação prática pode confirmar que uma ação terminou e depois explicar qual é o único campo ainda necessário. Num jogo ou tutorial, mantenha a instrução suficientemente curta para ser compreendida enquanto o utilizador continua a sua atividade. Num projeto multilingue, adapte a formulação efetiva, em vez de apenas substituir vocabulário, e preserve o significado dos nomes, das ações e das condições.
Reveja um trecho representativo que contenha a parte difícil do guião: um nome, um identificador, uma data ou uma explicação mais longa. Verifique a inteligibilidade, o sotaque, o ritmo e se os números são pronunciados da forma pretendida. A documentação do produtor descreve a síntese como não determinística, pelo que a gravação exata pode variar mesmo com entradas semelhantes. Conserve o áudio escolhido e o texto preparado para a fala como artefacto reutilizável numa notificação, resposta de ajuda, personagem interativa ou explicação gravada.
", "aboutText": "Eleven Flash v2.5 é o modelo multilingue de conversão de texto em fala da ElevenLabs, concebido para aplicações em tempo real e interativas. Transforma uma resposta de texto fornecida em áudio falado e combina um perfil de resposta rápida com uma elocução natural e características vocais consistentes. O fabricante indica como utilizações típicas os agentes de voz, os chatbots, os jogos e as aplicações que exigem uma resposta imediata, bem como a conversão de texto em fala em maior escala.\n\nO modelo suporta 32 idiomas: os 29 do conjunto Multilingual v2, mais húngaro, norueguês e vietnamita. O conjunto documentado inclui inglês, japonês, chinês, alemão, hindi, francês, coreano, português, italiano, espanhol, indonésio, neerlandês, turco, filipino, polaco, sueco, búlgaro, romeno, árabe, checo, grego, finlandês, croata, malaio, eslovaco, dinamarquês, tâmil, ucraniano e russo. Distingue-se, assim, do Flash v2, que só suporta inglês. Escolha o idioma do guião e uma voz regional adequada, em vez de presumir que o sotaque de uma voz inglesa serve para todas as localizações.\n\nUm pedido suporta até 40 000 caracteres. O produtor apresenta durações aproximadas de áudio junto da tabela de caracteres, mas um limite de caracteres não corresponde a uma duração fixa de gravação. A velocidade de fala, o idioma, a pontuação e a elocução da voz alteram a duração. Para uma resposta em direto, use frases completas muito mais curtas; para uma gravação mais longa, divida o guião em secções com sentido e conserve o contexto junto dos pontos de divisão. Um limite elevado de caracteres ajuda a preparar o texto de origem, mas não torna uma resposta longa e ininterrupta fácil de ouvir.\n\nA normalização de números é uma diferença importante neste modelo. A secção específica do Flash v2.5 indica que a normalização está desativada por predefinição no seu perfil de baixa latência e que números de telefone, datas ou valores monetários podem ser lidos de forma inesperada. Prepare a forma falada pretendida antes da síntese. Decida se um número representa uma quantidade, um código de referência ou algarismos a repetir individualmente. Numa data, escreva o mês e o dia como o público os deve ouvir; numa abreviatura, forneça a forma por extenso quando se pretende que seja pronunciada como palavras.\n\nA pronúncia pode ser orientada através de grafias adaptadas ou de aliases de dicionário. O guia de dicionários do fabricante reserva as regras de fonemas para os modelos v4, v3 e Flash v2 explicitamente identificados e recomenda aliases para as restantes edições; por isso, não se deve atribuir ao Flash v2.5 o suporte de etiquetas de fonemas do Flash v2. Mantenha uma pronúncia preferida para nomes e termos recorrentes e verifique-a com a voz selecionada. Se incluir prosa emocional como instrução no texto normal, essa própria instrução pode ser pronunciada; prepare um guião final limpo para a gravação pretendida.\n\nO fluxo de trabalho TTS partilhado suporta áudio em streaming e geração de fala completa. A família de formatos inclui MP3, PCM não comprimido de 16 bits, μ-law e A-law para telefonia, e Opus. Escolha o formato de acordo com o destino de reprodução e mantenha o texto gerado disponível junto do áudio. Os controlos de voz da ElevenLabs podem influenciar a consistência e a velocidade, enquanto a redação e a pontuação do guião fornecem grande parte do ritmo pretendido. Estas são opções do fluxo de trabalho do produtor e não permitem presumir que todos os controlos estejam disponíveis numa aplicação específica. O guia do produto suporta explicitamente pausas SSML no Flash v2.5, por exemploelevenlabs/eleven-flash-v2.5Eleven Flash v2.5 converte texto em fala para respostas interativas multilingues e aplicações de voz. Suporta 32 idiomas e até 40 000 caracteres por pedido, com um perfil de resposta rápida que beneficia da preparação de números e nomes na forma como devem ser pronunciados.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Eleven Flash v2.5 é o modelo multilingue de conversão de texto em fala da ElevenLabs, concebido para aplicações em tempo real e interativas. Transforma uma resposta de texto fornecida em áudio falado e combina um perfil de resposta rápida com uma elocução natural e características vocais consistentes. O fabricante indica como utilizações típicas os agentes de voz, os chatbots, os jogos e as aplicações que exigem uma resposta imediata, bem como a conversão de texto em fala em maior escala.
O modelo suporta 32 idiomas: os 29 do conjunto Multilingual v2, mais húngaro, norueguês e vietnamita. O conjunto documentado inclui inglês, japonês, chinês, alemão, hindi, francês, coreano, português, italiano, espanhol, indonésio, neerlandês, turco, filipino, polaco, sueco, búlgaro, romeno, árabe, checo, grego, finlandês, croata, malaio, eslovaco, dinamarquês, tâmil, ucraniano e russo. Distingue-se, assim, do Flash v2, que só suporta inglês. Escolha o idioma do guião e uma voz regional adequada, em vez de presumir que o sotaque de uma voz inglesa serve para todas as localizações.
Um pedido suporta até 40 000 caracteres. O produtor apresenta durações aproximadas de áudio junto da tabela de caracteres, mas um limite de caracteres não corresponde a uma duração fixa de gravação. A velocidade de fala, o idioma, a pontuação e a elocução da voz alteram a duração. Para uma resposta em direto, use frases completas muito mais curtas; para uma gravação mais longa, divida o guião em secções com sentido e conserve o contexto junto dos pontos de divisão. Um limite elevado de caracteres ajuda a preparar o texto de origem, mas não torna uma resposta longa e ininterrupta fácil de ouvir.
A normalização de números é uma diferença importante neste modelo. A secção específica do Flash v2.5 indica que a normalização está desativada por predefinição no seu perfil de baixa latência e que números de telefone, datas ou valores monetários podem ser lidos de forma inesperada. Prepare a forma falada pretendida antes da síntese. Decida se um número representa uma quantidade, um código de referência ou algarismos a repetir individualmente. Numa data, escreva o mês e o dia como o público os deve ouvir; numa abreviatura, forneça a forma por extenso quando se pretende que seja pronunciada como palavras.
A pronúncia pode ser orientada através de grafias adaptadas ou de aliases de dicionário. O guia de dicionários do fabricante reserva as regras de fonemas para os modelos v4, v3 e Flash v2 explicitamente identificados e recomenda aliases para as restantes edições; por isso, não se deve atribuir ao Flash v2.5 o suporte de etiquetas de fonemas do Flash v2. Mantenha uma pronúncia preferida para nomes e termos recorrentes e verifique-a com a voz selecionada. Se incluir prosa emocional como instrução no texto normal, essa própria instrução pode ser pronunciada; prepare um guião final limpo para a gravação pretendida.
O fluxo de trabalho TTS partilhado suporta áudio em streaming e geração de fala completa. A família de formatos inclui MP3, PCM não comprimido de 16 bits, μ-law e A-law para telefonia, e Opus. Escolha o formato de acordo com o destino de reprodução e mantenha o texto gerado disponível junto do áudio. Os controlos de voz da ElevenLabs podem influenciar a consistência e a velocidade, enquanto a redação e a pontuação do guião fornecem grande parte do ritmo pretendido. Estas são opções do fluxo de trabalho do produtor e não permitem presumir que todos os controlos estejam disponíveis numa aplicação específica. O guia do produto suporta explicitamente pausas SSML no Flash v2.5, por exemplo <break time="1.5s" />, com pausas até três segundos. O uso excessivo de etiquetas de pausa pode afetar a velocidade ou introduzir artefactos. O controlo de velocidade partilhado varia entre 0.7 e 1.2; 1.0 mantém a velocidade inalterada.
Para um assistente, prepare um resultado claro e um próximo passo numa frase de tom conversacional. Uma formulação prática pode confirmar que uma ação terminou e depois explicar qual é o único campo ainda necessário. Num jogo ou tutorial, mantenha a instrução suficientemente curta para ser compreendida enquanto o utilizador continua a sua atividade. Num projeto multilingue, adapte a formulação efetiva, em vez de apenas substituir vocabulário, e preserve o significado dos nomes, das ações e das condições.
Reveja um trecho representativo que contenha a parte difícil do guião: um nome, um identificador, uma data ou uma explicação mais longa. Verifique a inteligibilidade, o sotaque, o ritmo e se os números são pronunciados da forma pretendida. A documentação do produtor descreve a síntese como não determinística, pelo que a gravação exata pode variar mesmo com entradas semelhantes. Conserve o áudio escolhido e o texto preparado para a fala como artefacto reutilizável numa notificação, resposta de ajuda, personagem interativa ou explicação gravada.
POST /v1/audio/speechtextaudio| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites elevenlabs/eleven-flash-v2.5 | Predefinição— |
Campoinput | Tipostring | RequisitoObrigatório | Valores e limites Comprimento mínimo: 1 Comprimento máximo: 40 000 Unidade: carateres Unicode | Predefinição— |
Campovoice | Tipostring | RequisitoObrigatório | Valores e limites george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will | Predefinição— |
Camporesponse_format | Tipostring | RequisitoObrigatório | Valores e limites mp3 | Predefinição— |
text_to_speech · Obrigatório: input
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, input, voice, response_format |
Parâmetrovoice_ids | Contratogeorge, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will |
Parâmetroresponse_format | Contratomp3 |
Parâmetromax_input_characters | Contrato40000 |
Parâmetroother_options | Contratofalse |
Parâmetroinput | Contratotexto UTF-8 exato; contagem de carateres Unicode sem normalização |
Parâmetromaterial_types | Contratotext |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id efetivamente devolvido ou registo na biblioteca de multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Selecione a voz exata deste perfil de modelo.
Os carateres de entrada e os segundos de áudio são medidas de utilização diferentes.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Unidade de faturação | Custo |
|---|---|---|---|
| ConfiguraçãoTarifas base por token | Tabela de tarifasTarifa base | Unidade de faturação— | Custo Entrada · Tokens de entrada — / 1K tokens Saída · Tokens de saída — / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| Configuraçãocarácter de entrada | Tabela de tarifas— | Unidade de faturaçãopor carácter de entrada | Custo Entrada · carácter de entrada $0.00008 por carácter de entrada |
As tabelas de referência do modelo não alteram a seleção do método, as cotações ou os custos. Os custos ativos usam as tarifas do método Ailoot selecionado.
| Configuração | Condições de faturação | Custo |
|---|---|---|
| ConfiguraçãoElevenLabs: Eleven Flash v2.5 · Configuração predefinida | Condições de faturaçãoConfiguração predefinida | Custo Entrada · Caracteres de entrada 0,00004 US$ por carácter de entrada |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "elevenlabs/eleven-flash-v2.5", "input": "Good afternoon! This is a short voice take."}')\nvoice=os.environ["AILOOT_VOICE_ID"]\nallowed=json.loads('["george", "sarah", "adam", "alice", "bella", "bill", "brian", "callum", "charlie", "chris", "daniel", "eric", "harry", "jessica", "laura", "liam", "lily", "matilda", "river", "roger", "will"]')\nif voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")\np["voice"]=voice\np["response_format"]="mp3"\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\nmp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-task.json").read_text())))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-asset.json").read_text())))\nPY_RESULT\nGuarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Guarde o resultado binário completo e os cabeçalhos. Se forem devolvidos JSON/vários resultados, conserve todos os itens de dados e obtenha cada recurso através do seu URL assinado efetivo.
Conserve o operation_id/X-Client-Request-ID original para reconciliação sem voltar a enviar o pedido; não existe uma rota dedicada à consulta periódica do estado do áudio.
| Campo | Tipo |
|---|---|
Campobinary audio | Tipobytes |
Camporesponse headers | Tipoheaders |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Respostaserver_error | CondiçãoA resposta devolvida indica que a operação ou o resultado requer verificação | Passo seguinteGuarde o ID original da operação/tarefa devolvido, os cabeçalhos do pedido e a resposta; continue a consultar essa operação original através das consultas suportadas. Não volte a enviar o pedido de criação. |
Ailoot Ultra elevenlabs/eleven-flash-v2.5
Use os caminhos dos métodos indicados acima.